Viết mã ML dễ bảo trì

Phát triển mô hình Machine Learning cho môi trường sản xuất

Sinan Ozdemir

Data Scientist, Entrepreneur, and Author

Cấu trúc dự án

  • Tổ chức tệp dự án theo cấu trúc hợp lý
  • Nhóm các tệp liên quan
    • Tách dữ liệu và mô hình ML vào các thư mục riêng
  • Đặt tên và nhãn tệp rõ ràng

cấu trúc

Phát triển mô hình Machine Learning cho môi trường sản xuất

Cấu trúc dự án mẫu

Thư mục dự án mẫu với tệp README, tệp requirements và ba thư mục con: data, models, notebooks mlops_directory

  • README.md: Nêu mục đích kho và cách sử dụng.
  • requirements.txt: Liệt kê mọi phụ thuộc
  • data: chứa tệp dữ liệu, gồm dữ liệu thô và đã xử lý
  • models: chứa tệp liên quan tới mô hình, gồm script tạo mô hình
  • notebooks: chứa notebook để khám phá dữ liệu, huấn luyện và đánh giá mô hình
Phát triển mô hình Machine Learning cho môi trường sản xuất

Quản lý phiên bản mã

  • Dùng hệ thống quản lý phiên bản như git để theo dõi thay đổi mã
  • Cho phép quay lại thay đổi khi cần
  • Giúp xác định nguồn gốc lỗi
  • Cho phép làm việc song song

mã

Phát triển mô hình Machine Learning cho môi trường sản xuất

Tài liệu hóa

  • Viết tài liệu cho mã và cấu trúc dự án
  • Giải thích mục đích mỗi tệp và hàm
  • Mô tả cách sử dụng mã
  • Bao gồm hướng dẫn triển khai mô hình ML

tài liệu

Phát triển mô hình Machine Learning cho môi trường sản xuất

Tính thích ứng của mã

  • Dễ hiểu, sửa và cập nhật
  • Giảm thời gian/công sức khi thay đổi mã
  • Dễ thích ứng khi dữ liệu + mã + yêu cầu thay đổi
  • Ít lỗi hơn
  • Dễ tích hợp tính năng/công nghệ mới khi cần
  • Thiết yếu để xây dựng ứng dụng ML có thể tiến hóa theo thời gian
Phát triển mô hình Machine Learning cho môi trường sản xuất

Ayo berlatih!

Phát triển mô hình Machine Learning cho môi trường sản xuất

Preparing Video For Download...